如何计算决策树的 AUC？

Question

假设我有一个只有一个连续变量的数据集，我尝试使用决策树算法构建一个模型，从数据集中对 +ve 和 -ve 标签进行分类。我运行 10 倍交叉验证。

如何为决策树分类器计算 AUC？算法会检查分类器的不同阈值，并确定AUC吗？

如果我有超过 2 个连续变量呢？

谢谢！

Answer 1

题外话，但是嘿：

AUC 仅对二元分类有意义。预测变量的数量无关紧要。

决策树本身没有“阈值”，但通常在分类问题中，叶子包含 2 个类别的概率分布，树的预测也是如此。因此，您可以设想只有当概率 >= p 而不仅仅是 >= 0.5 时才选择正类。然后你可以画一条AUC曲线。

因此将其应用于决策树有点不自然，但可以做到。